AI 编程如何省 Token？SunnyCode 与 Codex 的同模型对照评测

Sunny Code · 工程实验 · 2026 年 10 月 15 日

AI 编程如何省 token？选模型之外，还可以比较使用同一模型的 Agent 产品。我们通过相同任务与统一验收，观察不同配置的 token 用量、估算成本和完成表现，再从运行记录中分析差异。

我们固定 GPT-6 Astra、中等推理强度并关闭 Fast，在三个开源仓库的八道任务上，对比 Codex、SunnyCode Base 和 CodeMode。每组每题重复三次，共 72 次运行，采用统一的主验收标准，并保留失败运行。

在这组实验中，CodeMode 平均比 Codex 少用 77.2% 的 token；SunnyCode Base 与 CodeMode 均通过 23/24 次主验收，Codex 为 21/24。结果包含失败运行，反映的是这组任务上的完整配置表现。

按同一套冻结费率估算，CodeMode 每次运行的平均成本为 $0.669，Codex 为 $1.440，低了 53.5%。SunnyCode Base 为 $0.785，比 Codex 低 45.5%。

成本为 API 等价估算，并非 ChatGPT OAuth 实际账单；统计包含未通过验收的运行。

每次运行的平均估算成本USD

Codex

$1.440

SunnyCode Base

$0.785

SunnyCode CodeMode

$0.669

$0$0.8$1.6

同一冻结费率，包含全部计分运行。CodeMode 比 Codex 低 53.5%，Base 低 45.5%。

查看完整结果

实验数据采集于 2026 年 10 月 14 日。题目来自 p-queue、Click 和 markdown-it，覆盖异步队列、命令行界面与 Markdown 解析，包括五道自编功能任务、一道自编缺陷任务和两道上游缺陷任务。

实验是怎么做的

每次使用 GPT-6 Astra、中等推理强度、关闭 Fast，从新会话和准备好的仓库副本开始。每道题每种模式运行三次。任务结束后独立执行冻结的行为验收与仓库测试，这部分耗时不计入完成时间。比较的是完整配置，系统提示并不相同。

模式	估算成本（美元）	平均 token	通过 / 总数	平均耗时（秒）
Codex	$1.440	725,185	21/24	222.6
SunnyCode Base	$0.785	281,080	23/24	297.1
SunnyCode CodeMode	$0.669	165,566	23/24	232.2

Token 差异来自哪里

记录中的主要差异来自输入上下文。Codex 相比 CodeMode 多出的 token 中，96.5% 是缓存输入。按冻结费率拆分，估算成本差额的 70.0% 来自缓存输入，24.6% 来自非缓存输入，5.4% 来自输出。这个分解说明成本如何累计，并不单独证明某个产品设计造成了差异。

这解释了为什么 token 的降幅和成本降幅不同。CodeMode 平均少用 77.2% 的 token，估算成本低 53.5%。缓存输入有折扣，但重复累计之后仍然影响成本。

平均 token 的组成每种模式 24 次

缓存输入非缓存输入输出

Codex

725.2k

SunnyCode Base

281.1k

SunnyCode CodeMode

165.6k

0400k800k

缓存输入是重复送入模型、但被报告为缓存命中的 token。它仍计入总量；这里不是新增代码量或输出长度。

查看各分项精确数值

模式	缓存输入	非缓存输入	输出
Codex	670,939	48,574	5,672
SunnyCode Base	246,944	29,221	4,915
SunnyCode CodeMode	131,099	29,635	4,833

按任务类型比较

功能任务中，SunnyCode 的两种模式均通过 14/15 次主验收，Codex 为 12/15。两类缺陷任务中，三种模式均全部通过。这里展示每次运行的平均 token；保留了失败运行。

模式平均 token验收通过

功能开发 · 5 道题

Codex

839.3k

12/1580%

SunnyCode Base

342.5k

14/1593.3%

SunnyCode CodeMode

201.6k

14/1593.3%

自编缺陷 · 1 道题

Codex

890.7k

3/3100%

SunnyCode Base

300.9k

3/3100%

SunnyCode CodeMode

161.5k

3/3100%

上游缺陷 · 2 道题

Codex

357.2k

6/6100%

SunnyCode Base

117.5k

6/6100%

SunnyCode CodeMode

77.6k

6/6100%

0500k1M

三类任务共用 0–100 万 token 刻度。每个值为该类全部运行的均值，包含失败运行；验收显示通过次数 / 运行次数及通过率。

查看各任务类型的精确数值

模式	平均 token	通过 / 总数
功能开发 · 5 道题
Codex	839,279	12/15
SunnyCode Base	342,539	14/15
SunnyCode CodeMode	201,552	14/15
自编缺陷 · 1 道题
Codex	890,709	3/3
SunnyCode Base	300,896	3/3
SunnyCode CodeMode	161,532	3/3
上游缺陷 · 2 道题
Codex	357,187	6/6
SunnyCode Base	117,524	6/6
SunnyCode CodeMode	77,620	6/6

Token 更少，不一定更快

从提交任务到最终回复保存，Codex 平均耗时 222.6 秒，CodeMode 为 232.2 秒，SunnyCode Base 为 297.1 秒。按每题三次运行的均值比较，Codex 在八道题中的六道慢于 CodeMode；但在 D、H 两题上更快，拉低了总体均值。缓存输入的累计 token 不能直接用来推断生成耗时。

如何用这些结果评估自己的工作流

比较 Agent 时，可以固定模型、推理强度、任务与验收标准，再分别记录非缓存输入、缓存输入和输出 token。把成功与失败运行都算进去，同时比较费用与耗时。我们的结果提示，选择 Agent 也值得纳入省 token 的评估；但不能保证换一个产品，在你的仓库上就能获得相同降幅。

实验限制与未通过的检查

这是八道题的 72 次运行，不是普遍的质量排名。Base 采集时间较晚，供应商状况、缓存和机器负载未随机化，半数题目来自 p-queue。成本是按冻结费率计算的 API 等价估算，并非 ChatGPT OAuth 实际账单。

补充检查仍保留 CodeMode C3 的字符串 Iterable 缺陷，以及 Codex C1 的时序敏感失败。正文中的通过率采用原有主验收口径；不能把它当成没有其他缺陷。

估算口径与计时范围

本次记录按每百万非缓存输入 token 10 美元、缓存输入 1 美元、输出 50 美元的冻结费率计算。这是实验的历史估算口径，不是当前价格声明。耗时从提交／派发前开始，到最终助手回复保存为止；独立验收耗时不计入。

任务与仓库对照

任务	仓库	内容
A	p-queue	批量任务结果汇总
B	p-queue	队列通知时序
C	p-queue	有界流式映射器
D	p-queue	优雅关闭队列
E	Click	环境变量提示
F	Click	规范选项别名
G	markdown-it	引用定义边界
H	markdown-it	稳定的标题 ID

查看每道题的原始运行

任务	模式	重复	USD	Tokens	通过 / 总数
A	SunnyCode Base	1	0.7422	241,335	通过
A	SunnyCode CodeMode	1	0.4455	92,950	通过
A	Codex	1	2.0236	1,183,932	未通过
A	SunnyCode Base	2	0.7598	241,086	通过
A	SunnyCode CodeMode	2	0.4498	112,613	未通过
A	Codex	2	1.2592	641,490	未通过
A	SunnyCode Base	3	0.8306	272,997	通过
A	SunnyCode CodeMode	3	0.5021	72,994	通过
A	Codex	3	1.8760	1,079,699	通过
B	SunnyCode Base	1	1.0518	419,721	通过
B	SunnyCode CodeMode	1	0.8774	194,948	通过
B	Codex	1	1.6853	1,003,710	通过
B	SunnyCode Base	2	0.7902	239,038	通过
B	SunnyCode CodeMode	2	0.5975	145,752	通过
B	Codex	2	1.7201	915,126	通过
B	SunnyCode Base	3	0.6769	243,929	通过
B	SunnyCode CodeMode	3	0.5574	143,897	通过
B	Codex	3	1.5795	753,290	通过
C	SunnyCode Base	1	2.1219	1,085,571	通过
C	SunnyCode CodeMode	1	1.3020	297,815	通过
C	Codex	1	2.6595	1,296,542	未通过
C	SunnyCode Base	2	1.6082	581,955	通过
C	SunnyCode CodeMode	2	1.3187	402,219	通过
C	Codex	2	2.7419	1,411,174	通过
C	SunnyCode Base	3	1.9456	730,566	通过
C	SunnyCode CodeMode	3	1.1199	359,949	通过
C	Codex	3	2.9840	1,650,733	通过
D	SunnyCode Base	1	0.3964	59,718	未通过
D	SunnyCode CodeMode	1	0.8586	262,300	通过
D	Codex	1	1.9833	951,994	通过
D	SunnyCode Base	2	1.1001	379,470	通过
D	SunnyCode CodeMode	2	0.8817	221,190	通过
D	Codex	2	1.9592	979,874	通过
D	SunnyCode Base	3	0.9450	385,236	通过
D	SunnyCode CodeMode	3	0.8979	200,180	通过
D	Codex	3	1.7191	984,987	通过
E	SunnyCode Base	1	0.3308	83,423	通过
E	SunnyCode CodeMode	1	0.2682	58,949	通过
E	Codex	1	0.5933	308,106	通过
E	SunnyCode Base	2	0.2770	93,615	通过
E	SunnyCode CodeMode	2	0.2517	60,291	通过
E	Codex	2	0.7865	301,274	通过
E	SunnyCode Base	3	0.2186	75,385	通过
E	SunnyCode CodeMode	3	0.3160	47,991	通过
E	Codex	3	0.5671	266,115	通过
F	SunnyCode Base	1	0.4657	145,082	通过
F	SunnyCode CodeMode	1	0.4876	102,247	通过
F	Codex	1	0.9280	330,546	通过
F	SunnyCode Base	2	0.4528	152,009	通过
F	SunnyCode CodeMode	2	0.4518	69,422	通过
F	Codex	2	0.9449	357,906	通过
F	SunnyCode Base	3	0.5927	154,713	通过
F	SunnyCode CodeMode	3	0.5732	120,528	通过
F	Codex	3	0.8337	402,871	通过
G	SunnyCode Base	1	0.5377	147,887	通过
G	SunnyCode CodeMode	1	0.4625	103,883	通过
G	Codex	1	0.9944	406,652	通过
G	SunnyCode Base	2	0.5251	186,508	通过
G	SunnyCode CodeMode	2	0.5367	109,540	通过
G	Codex	2	0.7919	413,342	通过
G	SunnyCode Base	3	0.3804	118,326	通过
G	SunnyCode CodeMode	3	0.3992	85,068	通过
G	Codex	3	1.0203	447,635	通过
H	SunnyCode Base	1	0.6913	278,151	通过
H	SunnyCode CodeMode	1	0.7128	193,728	通过
H	Codex	1	1.0902	426,294	通过
H	SunnyCode Base	2	0.7703	244,969	通过
H	SunnyCode CodeMode	2	0.8946	271,301	通过
H	Codex	2	0.9651	480,409	通过
H	SunnyCode Base	3	0.6261	185,223	通过
H	SunnyCode CodeMode	3	0.8956	243,840	通过
H	Codex	3	0.8604	410,728	通过

下载实验原始数据